numpy数组的快速迭代

Question

我刚接触Python，试图做一些基本的信号处理工作，但是遇到了严重的性能问题。有没有一种Python技巧可以向量化地完成这个任务？基本上，我正在尝试实现一个一阶滤波器，但是滤波器特性可能会从一个样本变为另一个样本。如果只有一个滤波器，我会使用numpy.signal.lfilter()，但这有点棘手。以下是代码片段，速度非常慢：

#filter state
state = 0

#perform filtering
for sample in amplitude:
    if( sample == 1.0 ): #attack filter
        sample = (1.0 - att_coeff) * sample + att_coeff * state
    else: #release filter
        sample = (1.0 - rel_coeff) * sample + rel_coeff * state

    state = sample

- Stefan Sullivan

Answer 1

你可以考虑使用Python到本地代码转换器之一，比如Cython、Numba或Pythran。

例如，使用timeit运行你的原始代码会得到以下结果：

$ python -m timeit -s 'from co import co; import numpy as np; a = np.random.random(100000)' 'co(a, .5, .7)'
10 loops, best of 3: 120 msec per loop

使用Pythran进行注释，如下所示：

#pythran export co(float[], float, float)
def co(amplitude, att_coeff, rel_coeff):
    # filter state
    state = 0

    # perform filtering
    for sample in amplitude:
        if sample == 1.0: # attack filter
            state = (1.0 - att_coeff) * sample + att_coeff * state
        else:             # release filter
            state = (1.0 - rel_coeff) * sample + rel_coeff * state
    return state

并使用编译器编译

$ pythran co.py

给我：

$ python -m timeit -s 'from co import co; import numpy as np; a = np.random.random(100000)' 'co(a, .5, .7)' 
1000 loops, best of 3: 253 usec per loop

大约加快了x470倍！我希望Numba和Cython也能提供类似的加速。

- serge-sans-paille

Answer 2

每个条目都需要前一个条目，并且必须在计算当前条目之前计算前一个条目。因此，每个条目必须按顺序计算，不能以矢量化（即映射、并行）的方式进行。

- Charlie Haley